这是一个快照data.frame，df.：

主题|cell_type |条件|Viral_load -------- | ----------- | ----------- | ------------ 1 |a |正常10 1 |B |正常180 2 | A | diseased | 500 2 | B | diseased | 90 3 | A | normal | 720 3 | B | normal | 63

我想在以下比较中找到差异表达的基因：
一世。A.Normal VS A.Diseased
II。B.Normal VS B.Diseased
III。a.normal vs b.normal.
IV。A.Diseased VS B.Diseased

融入我的分析中的正确方法是一个交互式设计公式cell_type.和状况，同时阻止了主题并控制viral_load.协变量？

我的想法是为补充栏添加补充栏DF.叫团体那

主题|cell_type |条件|viral_load |组-------- | ----------- | ----------- | ------------ | ------- 1 |a |正常10 |A.Normal 1 |B | normal | 180 | B.normal 2 | A | diseased | 500 | A.diseased 2 | B | diseased | 90 | B.diseased 3 | A | normal | 720 | A.normal 3 | B | normal | 63 | B.normal

然后运行以下分析：

设计< -  Model.matrix（〜0 +组+ Viral_load，Data = DF）Colnames（设计）< -  C（级别（DF $组），“Viral_load”）V < - 变量（TMM，Design = Design）Dupcor <- 复制品（V，Design = V $ Design，Block = DF $主题）适合< -  lmfit（v，block = df $主题，correlation = dupcor $ conclensus.cm < -  makecontrasts（a.normal_vs_diseased = a.normal-  a.diseased，b.normal_vs_diseased = b.normal-b.diseased，promal.a_vs_b = a.normal  -  b.normal，disease。a_vs_b = a.diseased  -  b.diseased，clock = v $ design）fit < -对比度.Fit（适合，CM）适合< -  eBayes（适合）

我准确控制了viral_load.作为一个协变量，被封锁主题并提取适当的对比？

嗨onii，

您的设计和对比度矩阵是正确的。

我不确定您的变量命名约定，但请确保TMM输入变量到Voom命令是表达式集。

最后但并非最不重要的是，现在建议做到这一点重复性化每次计算两次。还要记住包括包括的堵塞对你的变焦称呼！这是一个例子：

V < - 变焦（TMM，Design = Design，Block = DF $主题）Dupcor < -  DuplicateCorlation（V，Design = V $ Design，Block = DF $主题）V < - 变量，设计=设计，相关= Dupcor$达成达成达成共识，块= DF $主题）Dupcor < -  DuplicateCorlation（V，Design = V $ Design，Block = DF $主题）V < - 变量（TMM，Design = Design，Correlitation = Dupcor $ Conclensus.Correlation，Block= DF $主题）

可以看到关于这的进一步讨论使用与Limma-SEQ数据的DuplicAtrelation + VOOM

我希望这回答了你的问题。

最佳米哈尔